曲率-HOG目标检测算法研究

HOG算法充分利用梯度方向与幅值分布信息,在行人、车辆等特定目标检测定位中得到广泛应用,针对如何在HOG算法中融合梯度信息和曲率信息,本文提出基于HOG的梯度曲率相结合的目标检测算法并将其应用于目标检测问题中。算法首先计算图像的曲率信息和梯度信息,利用梯度的幅值和方向作为约束条件,统计曲率的分布直方图;然后将曲率直方图特征与HOG特征相连接,构成新的性能更好的特征描述子,最后将这一特征描述子用于检测实验。在ETZH形状数据库和INRIA马匹数据库上的实验结果表明,本文算法能够更好地检测目标并获得较高的精度。

基于曲率和熵矩阵特征的商标图像检索

针对二值商标图像的特点,提出了一种综合边界曲率特征和图像分块熵矩阵特征的检索算法。首先,根据微分几何中曲率的定义,计算图像形状边界上每一点的曲率,并统计得到曲率直方图作为边界特征。然后,在图像分块的基础上,计算每一分块子图像的信息熵,得到熵矩阵,求该矩阵的奇异值作为区域特征。最后,综合这两个特征进行检索。实验表明,边界和区域特征综合使用较之单一特征有着更好的检索效果,并具有较好的几何不变性。

基于曲率频数统计的支护锚杆点云自适应提取方法研究

针对抽水蓄能电站地下厂房施工期拱顶的支护锚杆,提出了一种从激光扫描采集的洞室密集点云中提取支护锚杆点云方法.设计了锚杆点云初识别和锚杆点云精提取的洞室支护锚杆点云提取过程.首先对获取的密集点云进行保留支护锚杆轮廓特征的降采样,通过建立局部坐标系的点云坐标分布特征,结合支护锚杆的实际结构参数判定,初识别存在支护锚杆疑似点云的区域;再采用曲率阈值法精提取锚杆结构点云,分类提取支护锚杆部位点云.通过实际工程采集的支护锚杆点云提取处理试验,结果表明:设计的支护锚杆点云簇初识别方法准确率为100%;采用基于曲率频数直方图曲线拟合的曲率阈值确定方法具有较好的适用性,能够将洞室中4类特征支护锚杆点云从拱顶粗糙表面的密集点云中精确地提取出来,可为施工洞室点云精确配准和变形分析提供优质可靠的数据源.

一种基于图形识别的甲骨文分类方法

作为中国早期的象形文字,甲骨文的识别一直是一个难题。为探索与之相关的甲骨文自动分类问题,提出了一种基于曲率直方图的傅里叶描述子——FDCH,并将这种特征进一步用于对甲骨文文字的分类。该方法具有平移、旋转、尺度不变性。小范围的实验表明,这种方法能够较好地实现对甲骨文文字的自动分类。

基于多特征融合的遥感影像变化检测算法

针对传统的变化检测算法主要依赖像斑的光谱信息,未能有效地利用影像多特征检测优势的问题,基于面向对象的分析思想,提出一种多特征融合的遥感影像变化检测算法。首先,以多尺度分割的影像对象为基础,统计各对象的颜色直方图和边缘直线梯度直方图;然后,利用推土机距离计算不同时期对象之间的颜色距离和边缘直线特征距离,采用自适应加权方法将颜色距离和边缘直线特征距离组合构建对象的异质性;最后,采用直方图曲率分析获得像斑的变化检测结果。实验结果表明,该方法能够充分融合颜色和边缘直线特征,提高变化检测的精度。

基于HCA与KAZE的铁路路基GPR图像配准算法

针对铁路路基探地雷达(GPR)检测需要较高精度与时效性的要求,提出一种基于直方图曲率分析(HCA)与KAZE特征的图像配准算法。通过HCA进行阈值分割,提取图像高能量区域,以节约无效区域的配准时间。运用KAZE算法提取图像中的特征点,并根据快速近似最近邻搜索算法进行粗匹配。使用随机抽样一致性算法过滤匹配点对,优化特征匹配过程。实验结果表明,该算法对于存在病害差异、增益差异、地物差异的铁路路基多时相GPR图像均取得较好的配准效果,且配准精度比KAZE算法、ORB算法、SIFT算法明显提高,配准效率比KAZE算法提升8%以上。

基于三维悬垂模型和织物面密度的织物匹配

为能够根据织物的悬垂形态快速准确地匹配到与给定织物综合性能相近的织物样本,利用自主搭建的悬垂织物三维扫描装置获取了悬垂织物的三维点云数据。将三维点云封装为三角形网络后,利用局部线性嵌入的方法对悬垂织物三角形网格重采样,使不同的悬垂织物三维模型具有相同的顶点数目和三角形拓扑结构;然后基于重采样三角形网格提出了2种织物匹配方法,即基于传统悬垂指标和织物面密度的织物匹配以及基于曲率统计直方图和织物面密度的织物匹配;最后计算了织物力学特征的相似度,以此相似度为基准对织物匹配结果进行评价。结果表明:基于悬垂指标和织物面密度的织物匹配准确率为86.91%;基于曲率统计直方图和织物面密度的织物匹配准确率为93.79%。